-
公开(公告)号：CN117176341A
公开(公告)日：2023-12-05
申请号：CN202311145564.X
申请日：2023-09-06
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
Abstract: 本发明公开了一种多云环境下支持错误数据块定位与恢复的完整性验证方法，涉及网络空间安全领域。包括：S1.系统初始化阶段、S2.用户匿名身份与部分私钥的生成阶段、S3.数据预处理与外包阶段、S4.审计挑战信息生成阶段、S5.存储性证明信息的生成阶段、S6.数据完整性验证阶段、S7.错误服务器检测阶段、S8.受损数据块定位阶段和S9.数据恢复阶段。基于对称加密、密钥交换和最小存储量再生码技术，基于身份的的密码机制，本发明面向多云环境不仅实现了外包数据审计时的完整性验证，还支持错误数据块精准定位与快速恢复。
-
公开(公告)号：CN111951975A
公开(公告)日：2020-11-17
申请号：CN202010839209.2
申请日：2020-08-19
Applicant: 哈尔滨工业大学
Abstract: 本发明公开了一种基于深度学习模型GPT-2的脓毒症早期预警方法，在选定的时间跨度内提取ICU内病患的特征变量，组成一个高维度、随时间变化的序列，并将该序列经过数据预处理后输入到基于改进的GPT-2模型中以结合病患的近期临床表现提取到与ICU病患目前病情最接近的一种有效表示，将得到的该表示输入到一个全连接前馈网络层预测患者在接下来的时间内患有脓毒症的概率。本发明可以最大程度利用ICU内的病患常规指标，并可以根据时间的变化来预测病患面临的风险，类似于重症监护医生每日查房期间反复分析和更新重症监护病房的患者管理，该方法结合病患前几天的临床表现，根据大量可用数据做出预测结果，具有时效性，准确度更高。
-
公开(公告)号：CN111951975B
公开(公告)日：2022-03-25
申请号：CN202010839209.2
申请日：2020-08-19
Applicant: 哈尔滨工业大学
Abstract: 本发明公开了一种基于深度学习模型GPT‑2的脓毒症早期预警方法，在选定的时间跨度内提取ICU内病患的特征变量，组成一个高维度、随时间变化的序列，并将该序列经过数据预处理后输入到基于改进的GPT‑2模型中以结合病患的近期临床表现提取到与ICU病患目前病情最接近的一种有效表示，将得到的该表示输入到一个全连接前馈网络层预测患者在接下来的时间内患有脓毒症的概率。本发明可以最大程度利用ICU内的病患常规指标，并可以根据时间的变化来预测病患面临的风险，类似于重症监护医生每日查房期间反复分析和更新重症监护病房的患者管理，该方法结合病患前几天的临床表现，根据大量可用数据做出预测结果，具有时效性，准确度更高。
-
-
Search Results
3
records
(took 0.017 seconds)
